# Spotify boekt winst met een conversationele agent voor muziekaanbevelingen

> Een onderzoeksteam van Spotify beschrijft hoe het met gesimuleerde gesprekken en geautomatiseerde verfijning van prompts een muziekagent ontwikkelde. In A/B-tests zorgde het systeem voor meer luistertijd en wekelijkse actieve gebruikers dan een functie die alleen een luistersessie kon verfijnen, meldt het team.

Oossa · 2026-09-29 · https://oossa.com/nl/spotify-reports-gains-from-a-conversational-music-recommendation-agent

Onderzoekers van Spotify zeggen dat een conversationele aanbevelingsagent in online A/B-tests heeft bijgedragen aan meer luistertijd en meer wekelijkse actieve gebruikers. Met het systeem kunnen mensen in gewone taal beschrijven waar ze naar op zoek zijn, bijvoorbeeld ‘Italiaanse indieartiesten die ik nog niet ken’, in plaats van alleen aanpassingen te vragen aan een lopende luistersessie.

De resultaten staan in een artikel dat op 28 september 2026 op arXiv is gepubliceerd en als artikel voor RecSys 2026 wordt vermeld. De auteurs melden 14% meer luistertijd, 5% meer wekelijkse actieve gebruikers en een 5% lager skippercentage dan bij Spotify’s eerdere functie om een luistersessie te verfijnen.

## Hoe het systeem is gebouwd

Het team richtte zich op een uitdaging die al vóór de lancering speelt: een agent leren plannen, waaronder welke tools die moet gebruiken en in welke volgorde, terwijl er nog geen echte gesprekken met gebruikers zijn om van te leren. Met hun proces zetten ze prompts voor één beurt om in gesimuleerde gesprekken met meerdere beurten, zodat het team de agent vooraf kan testen.

Vervolgens gebruiken ze een geautomatiseerde verbetercyclus om fouten in de planning en het gebruik van tools op te sporen en aan te pakken. De methode vergelijkt verschillende reacties van de agent en voert stapsgewijs aanpassingen door met hulp van een programmeeragent. Volgens de onderzoekers leidde dit tot een kwaliteitsverbetering van 8% ten opzichte van een al sterk geoptimaliseerde handmatig geschreven prompt. Ook zeggen ze dat het proces de ontwikkelcycli verkortte, al geeft de samenvatting van het artikel geen tijdsindicatie.

## Wat de resultaten laten zien

De genoemde cijfers over luistertijd en betrokkenheid komen uit online tests waarin het systeem werd vergeleken met één specifieke eerdere functie, niet met alle manieren waarop mensen Spotify gebruiken. De samenvatting vermeldt niet hoeveel mensen meededen, hoe lang de tests duurden of dat de agent voor alle gebruikers beschikbaar is.

Het onderzoek draait vooral om een ontwikkelmethode: gegenereerde gesprekken en geautomatiseerde aanpassingen gebruiken om een agent vóór en tijdens de lancering te verbeteren. Met die aanpak kunnen teams tools voor aanbevelingen in natuurlijke taal testen, ook als ze in eerste instantie weinig gegevens hebben over interacties in de praktijk.

## De feiten

- Het artikel is op 28 september 2026 gepubliceerd op arXiv en vermeldt RecSys 2026 als publicatiereferentie.
- De onderzoekers genereerden gesprekken met meerdere beurten op basis van prompts voor één beurt, om de agent vóór de lancering te testen.
- Het team meldt een kwaliteitsverbetering van 8% ten opzichte van een sterk geoptimaliseerde handmatige prompt.
- In A/B-tests melden de onderzoekers 14% meer luistertijd, 5% meer wekelijkse actieve gebruikers en een 5% lager skippercentage dan bij de eerdere functie om een luistersessie te verfijnen.

## Waarom het ertoe doet

Voor luisteraars moet deze aanpak het makkelijker maken om muziek aan te vragen met gedetailleerde beschrijvingen in alledaagse taal. De gemelde resultaten zijn bemoedigend, maar de samenvatting vermeldt niet hoe groot of hoe lang de tests waren en toont niet aan dat de agent voor iedereen beschikbaar is.

## Bronnen en referenties

1. [Bootstrapping Conversational Recommendation Agents At Spotify: Synthetic Data Generation and Self-Improvement Loops](https://arxiv.org/abs/2609.30297) – arXiv, 2026-09-28

Laatst bijgewerkt: 2026-09-29